RNA遺傳算法及應用研究.pdf

1、作為求解復雜優(yōu)化問題的有效方法，遺傳算法從問世之日就受到了人們的關注。遺傳算法是模擬達爾文的生物進化理論而產生的一類隨機優(yōu)化算法，具有較強的全局尋優(yōu)能力和較好的通用性。但是，傳統(tǒng)的遺傳算法也存在著一些缺點和不足，例如算法局部搜索能力差、容易陷入局部極值等。受生物RNA分子的編碼和操作啟發(fā)，把RNA分子編碼和操作方式與遺傳算法相結合，本文對RNA遺傳算法展開深入研究，并將所提出的RNA遺傳算法用于化工過程的建模問題。本文的主要研究成果如下

2、：
　　 (1)針對傳統(tǒng)遺傳算法的個體隨進化不斷趨同，易導致早熟收斂的現(xiàn)象，受生物界相似個體競爭排擠現(xiàn)象的啟發(fā)，提出了一種基于相似剔除策略的RNA遺傳算法。該算法采用了基于堿基的四進制編碼方式，并用RNA置換操作和RNA頸環(huán)操作代替?zhèn)鹘y(tǒng)的交叉操作。在選擇操作中，通過增加相似剔除規(guī)則來剔除相似個體，以達到提高種群多樣性，避免早熟收斂的目的。通過5個典型無約束測試函數(shù)的尋優(yōu)實驗，驗證了該算法在避免早熟收斂上的有效性。將該算法用于三個

3、動態(tài)系統(tǒng)建模的參數(shù)估計問題，結果表明所建模型能較好地反映實際系統(tǒng)的動態(tài)特性。
　　 (2)受生物遺傳信息表達過程的啟發(fā)，提出了一種基于蛋白質特性RNA遺傳算法。模擬生物遺傳信息表達過程中DNA分子先轉錄成RNA分子再翻譯成蛋白質分子的過程，設計了RNA再編碼操作和蛋白質折疊操作。通過對典型測試函數(shù)的計算結果表明，所設計的新的交叉操作使RNA遺傳算法在搜索精度和穩(wěn)定性方面都有較大的提高。將該算法用在重油加氫裂解建模的參數(shù)估計中，仿

4、真結果驗證了該算法的有效性。
　　 (3)針對傳統(tǒng)遺傳算法的變異概率取值的盲目性，提出了一種基于信息熵動態(tài)變異概率RNA遺傳算法。該算法中每一代個體的每一位的變異概率是根據(jù)當前種群中個體該位堿基的分布情況來設定，可克服傳統(tǒng)變異概率的設定與當前種群個體特性無關的弊端。通過對4個典型測試函數(shù)尋優(yōu)驗證了該算法的有效性。用該算法求解短期汽油調合優(yōu)化調度問題，仿真結果表明，該算法能獲得更大的調合利潤。
　　 (4)受生物膜結構的啟

5、發(fā)，提出了一種基于膜結構的分層RNA遺傳算法。該算法將RNA遺傳算法嵌入膜系統(tǒng)中，2個膜子系統(tǒng)的RNA遺傳算法的計算結果作為外部表層膜系統(tǒng)的RNA遺傳算法的部分初始種群。針對具有約束的非線性測試函數(shù)的尋優(yōu)結果表明，該算法具有滿意的尋優(yōu)精度。將該算法用于求解短期汽油調合優(yōu)化調度問題，仿真結果表明，該算法得到的調合利潤高于其它2種優(yōu)化算法得到的結果。
　　 (5)提出了一種變搜索空間的RNA遺傳算法。該算法根據(jù)進化過程中種群個體的分